Predicción de Riesgo Cardiovascular en una Población de Atención Primaria Mediante el uso de Machine learning

• الحاوية / القاعدة: Tecnología en Marcha
• المؤلفون الرئيسيون: Fredy Troncoso-Espinosa, Juan San Marín-Durán
• التنسيق: مقال
• اللغة: الإنجليزية
• منشور في: Instituto Tecnológico de Costa Rica 2025-04-01
• الموضوعات: medicina preventiva; enfermedades cardiovasculares; machine learning
• الوصول للمادة أونلاين: https://revistas.tec.ac.cr/index.php/tec_marcha/article/view/7167
• تدمد: 0379-3982; 2215-3241

Las enfermedades cardiovasculares (CVD) representan un desafío global para la salud, siendo la principal causa de mortalidad a nivel mundial en 2023. En esta investigación, se construyen modelos predictivos para estimar el riesgo de un individuo de desarrollar una CVD. La población bajo estudio incluye a los usuarios del Centro de Salud Familiar Portezuelo (CESFAM) a través del programa crónico y preventivo 2023. Se emplearon cuatro modelos predictivos: Árbol de Decisión, Red Neuronal, Máquina de Soporte Vectorial (SVM) y Naive Bayes. El algoritmo de SVM destacó por su rendimiento, superando el 85% en las métricas evaluadas. Se identificaron atributos de alta importancia, categorizados como factores conductuales y metabólicos modificables, y se determinó un valor de umbral óptimo de 0.45 para distinguir entre pacientes propensos y no propensos a desarrollar una CVD. Estos hallazgos permiten trazar un plan preventivo para reducir la tasa de CVD en la población estudiada. En conclusión, el modelo predictivo demuestra ser una herramienta complementaria eficaz para la toma de decisiones clínicas.